Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LNC_2X_1Y_V2",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"SLA_2X_1Y_V2",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=# ##O#- # ##O=# # #=#=-# # 0.4% # 1.9% ###### 8.5% ################# 24.2% ############################################################### 88.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.4% ### 5.4% ############# 19.4% ######################################## 56.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 1.2% ########## 14.1% ################### 27.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.1% 0.6% # 1.9% ##### 8.0% ##################### 29.7% ############################################################### 87.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.1% 0.3% 1.1% ## 3.1% ######## 12.4% ######################### 35.5% ######################################## 56.6% ###################################################### 75.6% #################################################################### 95.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.1% 0.8% ## 3.2% ######## 12.0% ################################### 49.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.0% ####### 10.4% ############################### 43.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.7% ############### 21.4% ############################# 40.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.8% ######## 11.3% ############################ 39.3% ################################################## 69.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.5% ############ 16.7% ############################ 39.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.1% 0.3% 1.1% ### 4.2% ##### 8.2% ######## 12.0% ########### 15.8% ############## 19.6% ################ 23.4% ################### 27.3% ###################### 31.1% ######################### 34.9% ########################### 38.8% ############################## 42.6% ################################# 46.4% #################################### 50.2% ###################################### 54.0% ######################################### 57.8% ############################################ 61.5% ############################################### 65.4% ################################################# 69.3% #################################################### 73.2% ####################################################### 77.1% ########################################################## 81.0% ############################################################# 84.7% ############################################################### 88.6% ################################################################## 92.5% ##################################################################### 96.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.2% 0.6% # 2.1% #### 5.9% ###### 9.4% ######### 12.9% ########### 16.3% ############## 19.8% ################ 23.3% ################### 26.7% ##################### 30.1% ######################## 33.6% ########################## 37.0% ############################# 40.5% ############################### 44.0% ################################## 47.4% #################################### 50.8% ####################################### 54.2% ######################################### 57.6% ########################################### 61.0% ############################################## 64.6% ################################################# 68.1% ################################################### 71.6% ##################################################### 75.0% ######################################################## 78.5% ########################################################## 81.9% ############################################################# 85.4% ############################################################### 88.9% ################################################################## 92.3% #################################################################### 95.8% ####################################################################### 99.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.0% 0.1% 0.1% 0.3% 1.1% # 2.5% #### 5.6% ##### 8.0% ####### 10.2% ######## 12.5% ########## 14.9% ############ 17.3% ############## 19.7% ############### 22.2% ################# 24.7% ################### 27.1% #################### 28.9% ###################### 30.6% ####################### 32.4% ######################## 34.2% ######################### 36.0% ########################### 37.8% ############################ 39.6% ############################# 41.4% ############################### 43.3% ################################ 45.2% ################################# 47.0% ################################### 48.9% #################################### 50.8% ##################################### 52.7% ####################################### 54.6% ######################################## 56.5% ########################################## 58.5% ########################################### 60.4% ############################################ 62.4% ############################################## 64.3% ############################################### 66.3% ################################################# 68.3% ################################################## 70.2% ################################################### 72.2% ##################################################### 74.1% ###################################################### 76.2% ######################################################## 78.2% ######################################################### 80.2% ########################################################### 82.3% ############################################################ 84.3% ############################################################## 86.4% ############################################################### 88.4% ################################################################# 90.4% ################################################################## 92.5% #################################################################### 94.5% ##################################################################### 96.6% ###################################################################### 98.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.2% 0.9% ## 3.7% ########## 14.8% ######################################### 58.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # # 1.4% ########### 16.5% ##################################### 52.5% ################################################################ 89.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.7% ########## 14.3% ########################### 38.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.3% 1.4% ## 3.3% ######## 12.5% ################################## 47.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # #### 5.7% ################################ 44.6% #################################################### 72.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 1.1% ###### 9.7% ########################## 37.3% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # ############# 18.5% ######################################################################## 100.0%
Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogenButler{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
LNC_LUT = load_LUT(LeafNitrogenBoonman{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)
Specific leaf area
SLA_LUT = load_LUT(LeafSLAButler{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
SLA_LUT = load_LUT(LeafSLABoonman{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)
Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
CHT_LUT = load_LUT(CanopyHeightBoonman{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))
# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)
Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))
Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)
Land surface
Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)
This page was generated using Literate.jl.